Rock thin section image recognition and classification based on VGG model
-
摘要:
岩石薄片图像的复杂性和多解性，导致岩石薄片分类难度较大。尝试将深度学习方法应用于岩石薄片图像分类。实验选取了安山岩、白云岩、花岗岩等6种常见岩石种类的薄片图像，每类1000张图像作为实验数据，建立了岩石薄片分类的VGG模型，经过9万次训练后，测试集识别准确率达到了82%。对实验结果进行了分析，发现相似组成成分的岩石图像容易混淆，如白云岩与鲕粒灰岩均属于碳酸盐岩，容易相互误判。在安山岩特征图中提取出了斜长石斑晶和微晶及隐晶质或玻璃质基质，在鲕粒灰岩特征图中提取了鲕粒及填隙物中的亮晶方解石，也验证了方法的可靠性。
Abstract:The complexity and multiple solutions of rock thin section images lead to the difficulty in classification of rock thin sections. This paper attempts to apply the deep learning method to the classification of rock thin images. Thin section images of 6 common rock types, such as andesite, dolomite and granite, were selected in the experiment, and 1000 images of each type were used as experimental data. The VGG model was established, and the identification accuracy of the verification set reached 82% after 90, 000 iterations. Based on the analysis of the experimental data, the authors found that the rock images with similar compositions are easy to be confused; for example, dolomite and oolitic limestone are both carbonate rocks and it is easy to misjudge each other. Plagioclase porphyry, microcrystalline and cryptocrystalline or vitreous matrix were extracted from the andesite characteristic diagram, and oolitic and interstitial materials were extracted from the oolitic limestone characteristic diagram. The result obtained by the authors proves that the VGG model is effective in the classification of rock thin section.
-
Keywords:
- rock thin section images /
- deep learning /
- VGG /
- feature extraction
-
兴蒙造山系位于中国内蒙古—东北地区，是由前南华纪—震旦纪裂解的古地块和古生代多岛弧盆系及一系列结合带镶嵌组成的复杂构造域（图 1-a）[1-3]。其早古生代的构造演化对于了解亲西伯利亚陆块群与华北陆块群的拼合过程及构造演化历史具有重要意义，因此被中外地质学家所关注[3-12]。铜山组作为内蒙北疆兴安地层大区早古生代最早的沉积记录（除小面积出露于伊尔施东苏呼河的早寒武世苏中组外）[10]，其成岩环境、物质来源和成岩时代的研究是认识兴蒙造山系早期构造演化的理想窗口。
![]()
图 1 内蒙古中部及邻区构造地质简图（a，据参考文献[4]修改）、内蒙古阿拉坦合力地区奥陶系分布简图（b）和瓦窑地区铜山组地质简图（c）1—板块或克拉通；2—微陆块或块体；3—缝合带（推测）及俯冲方向；4—铜山组一段；5—铜山组二段；6—铜山组三段；7—上石炭统宝力高庙组；8—中生代地层；9—上新统宝格达乌拉组；10—第四系；11—石炭纪侵入岩；12—早石炭世二长花岗岩；13—晚石炭世碱长花岗岩；14—脉岩；15—产状；16—火山口；17—同位素年龄样品点；18—化石点Figure 1. Simplified tectonic map of middle Inner Mongolia and adjacent areas (a), geological map of the Ordovician in Alatanheli area, Inner Mongolia (b), and geological map of the Tongshan Formation in Wayao area (c)铜山组主要分布于黑龙江、内蒙古等地，为一套灰黑色板岩、黄色杂砂质砂砾岩、中粗粒杂砂质长石砂岩、流纹质凝灰砾岩、凝灰岩等构成的复理石或火山复理石建造。在地层时代方面，1981年陈德森在黑龙江境内创建该组时[5]，依据黑色粉砂岩中的笔石及浅色粗碎屑岩中的腕足类化石，将其时代确定为中奥陶世。1993年铜山组（Ot）引入内蒙古境内，层型位于科尔沁右翼前旗十七大桥北，底界未见，上界为多宝山组火山岩整合覆盖，区域上与黑龙江省铜山组可对比[6]，但并未给出明确的地质时代。1:25万东乌旗幅区域地质调查①将研究区瓦窑及南部汗贝布敦昭出露的奥陶系划为铜山组，并根据汗贝布敦昭一带的Camerell sp.，Leptelloid ea sp.，Spheiochus sp.等化石将铜山组时代定为早—中奥陶世；2013年，叶琴等通过对汗贝布敦昭奥陶系岩性组合、沉积环境及化石的研究，将其从铜山组中划离，重新厘定为上奥陶统裸河组（O3l）[4]（图 1-b），因此，铜山组在研究区乃至内蒙地区至今尚无确切的年代学资料。
此外，内蒙古铜山组的沉积环境也存有争议。前人研究认为，该组在内蒙古地区含火山物质明显减少，为一套浅海相正常沉积的碎屑岩沉积[2, 6]，但研究区铜山组中发育大量深水重力流沉积，显示其为深水环境。
针对研究区铜山组目前在地质时代、沉积环境及大地构造背景方面存在的问题与争议，本文通过对东乌旗瓦窑铜山组的细致研究，以期为兴安地层区奥陶纪地层的研究和对比提供有价值的基础资料，同时对探讨西伯利亚板块南缘早古生代地质构造演化起到积极作用。
1. 地质概况
研究区位于北部西伯利亚板块与南部华北板块所夹持的中亚造山带中段[13]（图 1-a），地理位置位于内蒙古东乌旗阿拉坦合力苏木以西约10km处（图 1-b），出露地层主要有中—下奥陶统铜山组（O2-3t）、上奥陶统裸河组（O3l）、上石炭统宝力高庙组（C2bl）及中生界。
区内铜山组分布于瓦窑一带（图 1-c），出露面积约24km2。地层总体走向近东西向，其下部未见底，上部与宝力高庙组呈角度不整合接触，同时被石炭纪二长花岗岩、钾长花岗岩侵入破坏，出露最大厚度为1047.7m。总体表现为一套自下而上凝灰质增多、粒度变粗的碎屑岩、泥岩构成的复理石建造，发育典型的浊积岩鲍马序列。综合野外调查及剖面实测资料，依据地层层序、岩石组合、接触关系等特征，铜山组可进一步划分为3个岩性段，各段之间为整合接触关系。
铜山组一段（O2-3t1）：总厚度大于361m，主要岩性为灰绿色粉砂质板岩、灰黑色凝灰质板岩、灰黑色绢云母板岩，夹青灰色变质细砂岩、变质粉砂岩等，见水平层理、交错层理、包卷层理、槽模等。
铜山组二段（O2-3t2）：整体为一向上变粗的沉积序列，主要由灰色变凝灰质杂砂岩与灰黑色凝灰质板岩、粉砂质板岩组成，厚约410m，变砂岩中发育块状层理、平行层理和小型交错层理。
铜山组三段（O2-3t3）：厚约324m，岩性以灰黄色变凝灰质复成分砂砾岩、变质中粗粒岩屑杂砂岩为主，夹少量变质凝灰质粉砂岩、板岩及凝灰岩，发育粒序层理、平行层理等。
2. 铜山组沉积环境
铜山组的岩性主要为灰绿色、深灰色板岩、变质粉砂岩、杂砂岩、含砾砂岩、砾岩等。镜下特征显示，砾岩、含砾砂岩中的砾石成分以砂岩、石英岩、安山岩及凝灰岩为主；砂岩多为杂砂岩，杂基含量15%~35%，成分成熟度低，分选性差，磨圆呈次圆状-棱角状，凝灰质及云母类矿物含量较多（图 2-h、i）。同时，6件砂岩样品的岩石薄片粒度分析（表 1）表明，砂岩标准偏差介于1.25~2.02之间，粒度概率累计曲线斜率较小，多为三段式或多段式，表现为分选性很差的类型。综合以上分析可知，铜山组碎屑岩应为快速沉积、未及分选的重力流沉积。
表 1 铜山组砂岩粒度参数（括号内为图解法）Table 1. Grain size parameters of sandstones in Tongshan Formation序号 平均值（Mz） 标准偏差（σ） 偏度（SK） 峰度（K） b0220-1-2 1.93 (1.84) 1.55 (1.34) 1.53 (-0.23) 8.41 (0.99) b0220-4-1 2.70 (2.42) 1.49 (1.40) 2.81 (0.37) 10.77 (3.13) b0220-8-2 1.78 (1.55) 1.72 (1.77) 2.33 (0.23) 9.45 (1.95) b0220-8-3 2.47 (2.25) 1.30 (0.70) 3.20 (0.04) 14.63 (1.03) b0222-12-1 2.24 (1.86) 2.02 (2.01) 1.73 (0.15) 6.09 (2.23) b0222-12-2 1.92 (1.75) 1.25 (0.65) 3.58 (0.09) 18.54 (1.01) 注：江汉油田实验室测试 ![]()
图 2 东乌旗瓦窑铜山组沉积相综合柱状图1—复成分砾岩；2—复成分砂砾岩；3—长石岩屑杂砂岩；4—长石石英杂砂岩；5—粉砂岩；6—泥质粉砂岩；7—泥岩；8—英安质晶屑凝灰岩；9—粒序层理；10—平行层理；11—水平层理；12—包卷层理；13—交错层理；14—槽模；15—化学样采样；16—年龄样采样Figure 2. The columnar section of Tongshan Formation in the Wayao area of Dong Ujimqin Banner根据铜山组岩性组合、沉积构造等特征，依照前人对浊积相的划分方案[14-19]，在铜山组可识别出的浊积相有砾岩和含砾砂岩相（A）、砂岩相（B）、砂岩与泥岩复合相（C）、粉砂岩与泥岩复合相（D）和泥岩、粉砂岩复合相（E）。
Anne等[20]根据沉积相和地震资料，将浊积扇分为4个单元，分别为海底谷（峡谷或冲沟）、砂质水道、水下堤和透镜状砂，它们主要由浊积扇不同部位的沉积特点决定。在浊积相分析的基础上，通过对研究区铜山组剖面各浊积相在垂向序列上组合的分析，识别出3种相组合，分别为浊积扇外扇相组合、中扇朵叶体浊积相组合及中扇水道相组合（图 2），描述如下。
2.1 浊积扇外扇沉积相组合
铜山组一段（剖面14~16层）为浊积扇外扇沉积相，岩性为灰绿色-灰黑色凝灰质砂质板岩、粉砂质板岩、板岩，发育水平层理、交错层理、包卷层理、槽模等（图 2-b、c）。多显示缺底的鲍玛序列，以Tde与Tcde为主，局部可见Tbcd（图 2-a、d、e）。其发育的浊积相主要为D相和E相，下部由泥岩夹粉砂岩（E相）组成，向上过渡为主要由粉砂岩夹泥岩（D相）组成的自下而上变厚、变粗的序列。从其成因看，该序列可能是由于朵叶体的进积作用而形成的，这与方爱民等[19]、Mutti等[21]报道的海底扇外扇沉积具有明显相似的特征。
2.2 中扇朵叶体浊积相组合
铜山组二段为中扇朵叶体浊积沉积（剖面9~13层），浊积相B、C相较发育，主要岩性为凝灰质长石岩屑杂砂岩夹粉砂岩、泥岩，发育平行层理（图 2-f）、交错层理等，向上粒度变粗，以浊积相B相为主。常见的鲍马序列组合有Tbe和Tbce组合。
2.3 中扇水道相组合
铜山组三段为中扇水道相（剖面1~8层），其浊积相以B相为主，少量浊积相为C相。岩性主要为中粗粒、中细粒长石石英杂砂岩、凝灰质复成分砂砾岩夹砾岩透镜体及粉砂质板岩、板岩组合。发育的沉积构造有粒序层理、平行层理、交错层理，常见的鲍马序列有Tab、Tbde和Tce组合（图 2-g）。该相整体表现为平行层理广泛发育，鲍马序列的b段非常普遍，在水道部分发育少量浊积相A相。
3. 铜山组沉积时代
奥陶纪时期，内蒙古地区火山活动具有弱-强-弱的演化趋势，自下而上发育铜山组、多宝山组和裸河组[12]。铜山组沉积以凝灰质泥砂质细碎屑岩为主，间夹火山沉积，向上陆源碎屑逐渐减少，火山沉积增加，并从酸性向中酸性和中性过渡，至多宝山组达到火山活动的高峰，以中性-中基性火山岩和火山凝灰岩为主，随后停止了火山活动[2, 9]，至裸河组逐渐开始有正常沉积物的出现[3]。瓦窑奥陶系主要由凝灰质砂板岩与变质凝灰质砂砾岩组成，自下而上粗碎屑岩及凝灰质物质增多，为一套半深海的浊流沉积，明显区别于多宝山期及裸河期沉积。
本次在瓦窑铜山组下部发现灰绿色英安质晶屑凝灰岩夹层，并对凝灰岩样品进行了测试分析（采样点地理坐标为北纬45°20′26″、东经115°37′32″）。
锆石的阴极发光（CL）图像能反映锆石的成因。岩浆锆石通常具有典型的振荡环或扇形分带结构，晶形通常为半自形-自形，粒径为20~250μm [22, 23]。本次研究的锆石均显示典型的岩浆锆石特征，晶体干净，晶形较好，锆石粒径在30~200μm之间（图 3）。
![]()
图 3 瓦窑铜山组凝灰岩典型锆石阴极发光图像及锆石U-Pb年龄谐和图Figure 3. Cathodoluminescence image of main types of internal structures within zircon grains from Tongshan Formation大量研究表明，不同成因锆石有不同的Th、U含量及Th/U值。岩浆锆石的Th、U含量较高、Th/U值较大（一般大于0.4）；变质锆石的Th、U含量低，Th/U值小（一般小于0.1）[22, 24-25]。此次样品的30个测点中U含量介于174×10-6~1249×10-6之间，Th含量介于174×10-6~1249×10-6之间，Th/U平均值为0.52（表 2），均显示岩浆锆石特征。
表 2 瓦窑铜山组英安质晶屑凝灰岩LA-ICP-MS锆石U-Th-Pb同位素数据Table 2. LA-ICP-MS zircon U-Th-Pb isotope data for dacite volcanic tuffs of Tongshan Formation from Wayao area分析点号 含量/10-6 Th/U 同位素比值 年龄/Ma Th U 207Pb/206Pb 1σ 207Pb/235U 1σ 206Pb/238U 1σ 208Pb/232Th 1σ 206Pb/238U 1σ 207Pb/235U 1σ 1 18 193 0.57 0.0581 0.0009 0.657 0.010 0.0821 0.0007 0.0332 0.0005 509 4 513 8 2 16 174 0.45 0.0607 0.0019 0.680 0.023 0.0812 0.0014 0.0401 0.0017 504 9 527 18 3 61 810 0.27 0.0567 0.0006 0.581 0.006 0.0743 0.0011 0.0305 0.0002 462 7 465 5 4 60 772 0.36 0.0581 0.0007 0.590 0.008 0.0736 0.0007 0.0325 0.0010 458 5 471 6 5 67 785 0.36 0.0577 0.0005 0.654 0.006 0.0821 0.0007 0.0340 0.0010 509 4 511 5 6 23 258 0.80 0.0587 0.0012 0.594 0.014 0.0735 0.0008 0.0330 0.0004 457 5 473 11 7 62 835 0.24 0.0546 0.0006 0.556 0.006 0.0738 0.0008 0.0319 0.0003 459 5 449 5 8 53 599 0.28 0.0613 0.0007 0.709 0.009 0.0839 0.0008 0.0474 0.0011 519 5 544 7 9 52 686 0.26 0.0562 0.0006 0.580 0.006 0.0748 0.0009 0.0329 0.0002 465 5 465 5 10 48 592 0.48 0.0587 0.0013 0.590 0.016 0.0729 0.0011 0.0343 0.0005 453 7 471 12 11 41 485 0.25 0.0562 0.0026 0.630 0.033 0.0814 0.0010 0.0453 0.0022 504 6 496 26 12 108 808 0.97 0.0596 0.0025 0.689 0.036 0.0838 0.0008 0.0677 0.0006 519 5 532 28 13 52 545 0.51 0.0598 0.0012 0.684 0.014 0.0830 0.0011 0.0448 0.0015 514 7 529 11 14 16 189 0.66 0.0555 0.0018 0.571 0.020 0.0747 0.0008 0.0296 0.0005 464 5 459 16 15 23 269 0.60 0.0602 0.0012 0.601 0.013 0.0724 0.0006 0.0342 0.0006 450 4 478 10 16 22 205 0.59 0.1185 0.0041 1.524 0.058 0.0933 0.0013 0.0361 0.0010 575 8 940 35 17 32 343 0.47 0.0623 0.0026 0.700 0.035 0.0814 0.0012 0.0435 0.0010 504 8 538 27 18 29 196 0.74 0.0602 0.0009 0.672 0.012 0.0809 0.0009 0.0315 0.0003 502 6 522 9 19 92 196 0.67 0.0692 0.0010 0.884 0.017 0.0926 0.0011 0.0374 0.0010 571 7 643 12 20 49 193 0.39 0.0670 0.0007 0.687 0.009 0.0743 0.0010 0.0299 0.0006 462 6 531 7 21 68 174 0.40 0.0642 0.0006 0.659 0.007 0.0744 0.0010 0.0375 0.0011 463 6 514 5 22 35 810 0.61 0.0559 0.0010 0.570 0.013 0.0739 0.0011 0.0261 0.0006 460 7 458 10 23 67 187 0.35 0.0605 0.0014 0.618 0.019 0.0741 0.0015 0.0308 0.0006 461 9 488 15 24 22 785 1.31 0.0745 0.0016 0.748 0.018 0.0727 0.0008 0.0294 0.0004 453 5 567 14 25 62 258 0.50 0.0644 0.0013 0.6450 0.015 0.0732 0.0009 0.0348 0.0010 455 6 508 12 26 60 835 0.29 0.0590 0.0007 0.605 0.007 0.0744 0.0007 0.0326 0.0006 462 4 480 5 27 53 599 0.73 0.0572 0.0007 0.642 0.009 0.0815 0.0007 0.0261 0.0004 505 4 504 7 28 80 686 0.35 0.0677 0.0007 1.264 0.013 0.1354 0.0014 0.0490 0.0016 819 8 830 8 29 54 592 0.48 0.0594 0.0006 0.607 0.006 0.0741 0.0012 0.0282 0.0004 461 7 482 4 30 167 242 1.44 0.0908 0.0052 1.048 0.074 0.0837 0.0015 0.0433 0.0016 518 9 728 52 样品0221-14共测试30个点，除个别测点落在谐和曲线外，大部分测点均位于谐和线上或附近。获得2组206Pb/238U年龄加权平均值，分别为458.5±2.6Ma和510±4Ma（图 3）。结合锆石的CL图像和Th/U值，458.5±2.6Ma应代表铜山组凝灰岩的沉积年龄，该年龄是目前铜山组中首次利用火山岩锆石U-Pb定年方法取得的高精度年龄，而510±4Ma代表岩浆第一次分离结晶年龄，为继承锆石的结晶年龄。结合区域地层及古生物资料[12]，笔者认为，将研究区铜山组的地质时代置于中奥陶世晚期—晚奥陶世早期较适宜。
4. 地球化学特征及其构造背景判别
5件砂岩样品的岩石地球化学分析结果见表 3。主量元素分析结果显示，样品中SiO2含量为62.79% ~83.33%，平均值为76.84%；Al2O3含量为7.99%~10.77%，平均值为9.21%；TiO2含量为0.15%~0.26%，平均值为0.22%；TFe2O3+MgO含量为1.3%~2.8%，利用SiO2/Al2O3和Na2O/K2O的砂岩分类方法[26]，对铜山组砂岩数据进行投图，投点均落于杂砂岩区域内（图 4-a），显示其为一套分选中等、成熟度较低的碎屑岩，属典型杂砂岩类，与野外及显微镜下的认识一致。
表 3 瓦窑铜山组中砂岩地球化学数据Table 3. Geochemical data of sandstones from the Tongshan Formation in Wayao area元素 SiO2 TiO2 AI2O3 Fe2O3 FeO MgO MnO TFe CaO K2O P2O5 Na2O 烧失量 Rb Sr Ba Nb Zr Hf Th Cr Co Ni Sc La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu Y V HF0220-1-2 78.29 0.26 9.80 0.51 1.33 0.95 0.05 1.84 2.02 3.65 0.12 2.17 0.85 143.8 161.8 678.8 5.97 156.3 5.19 10.71 25.3 3.62 11.59 4.62 23.16 45.68 5.35 20.69 4.05 0.68 3.87 0.59 3.55 0.7 2.01 0.31 2.01 0.32 19.32 29.83 HF0220-5-2 62.79 0.68 17.34 1.83 4.38 2.94 0.11 6.21 0.36 5.59 0.10 1.18 2.70 233.5 70.25 594.8 14.17 225.9 6.50 14.05 76.2 10.52 52.71 17.44 51.92 98.62 11.74 44.67 8.58 1.21 7.00 1.23 6.96 1.3 3.68 0.59 4.02 0.61 36.50 103.7 HF0220-8-3 77.29 0.25 10.77 0.85 0.90 0.65 0.06 1.75 1.62 4.10 0.10 2.50 0.91 138.2 171.3 795.6 6.48 135.5 4.38 9.58 26.2 3.05 11.42 4.70 26.20 42.64 5.70 20.80 3.97 0.78 3.55 0.59 3.34 0.66 1.95 0.35 2.02 0.30 19.48 28.81 HF0220-9-1 82.50 0.21 8.28 1.59 0.37 0.85 0.10 1.96 3.23 0.52 0.09 1.24 1.02 17.76 307.3 450.3 5.27 120.4 3.92 8.25 25.9 3.16 16.95 3.75 16.07 30.06 3.75 14.60 2.70 0.66 2.51 0.43 2.59 0.55 1.58 0.27 1.68 0.26 14.31 26.89 HF0222-12-2 83.33 0.15 7.99 0.17 0.77 0.39 0.05 0.94 0.85 3.46 0.05 1.70 1.09 75.89 120.0 660.1 8.61 105.6 3.52 7.67 18.4 3.15 11.92 3.94 15.00 29.60 3.41 12.95 2.45 0.62 2.19 0.35 2.19 0.44 1.28 0.20 1.35 0.22 11.53 20.42 注：主量元素含量单位为%，微量和稀土元素含量为10-6 ![]()
4.1 物源分析
稀土元素（REE）和高场强元素及部分过渡金属元素（如Co）通常被认为是沉积过程中最稳定的元素，利用这些元素能有效判别碎屑沉积岩源区成分[27-28]。在Hf -La/Th图（图 4-b）中[29]，铜山组样品投点多落于酸性岛弧物源区，部分落于长英质和基性混合物源区。
4.2 构造环境分析
与陆源沉积物形成有关的主要因素，如物源类型、风化条件、搬运过程、成岩后生作用等，主要受沉积盆地的构造环境控制[29]，可以利用陆源沉积物的化学组成研究板块构造及沉积盆地构造环境[30-31]。因此，沉积岩的主量和微量元素在判别古代沉积盆地的构造性质中具有重要作用。
形成于岛弧及大陆边缘的现代砂岩，其化学成分变化较大，尤其是Fe2O3+MgO，Al2O3/SiO2，K2O/Na2O等。Bhatia[30]利用这个化学变异特征，区分出大陆岛弧、大洋岛弧、活动大陆边缘和被动大陆边缘4种不同的构造背景。对铜山组砂岩样品分析数据进行投图（图 5），多数砂岩样品落于成熟岛弧物源区，少数落入活动大陆边缘物源区。
![]()
图 5 瓦窑铜山组砂岩K2O/Na2O-SiO2/Al2O3构造环境判别图解[30]Figure 5. Tectonic discrimination diagram for the major elements of Tongshan Formation sandstones from Wayao area沉积岩中的微量元素，尤其是La、Ce、Y、Th、Zr、Hf、Ti、Sc等活动性较弱，且在海水中停留时间较短，元素能定量地转移到碎屑沉积物中，受其他地质因素的影响较少，能良好地反映母岩性质和沉积盆地的构造环境[33]。因而可以利用一些微量元素判别参数和图解对其形成环境进行判别[30-32]。利用La-Th-Sc、Th-Sc-Zr/10及Th-Co-Zr/10三角形构造环境判别图对铜山组砂岩样品进行投图（图 6），投点主要落入大陆岛弧区活动大陆边缘区，少量落于被动大陆边缘区。考虑到区域上铜山组中普遍富含火山物质，且上覆多宝山组多以弧火山岩为主体。笔者认为，将瓦窑地区铜山组碎屑沉积的构造环境置于活动大陆边缘更合适。
![]()
图 6 瓦窑铜山组砂岩微量元素的构造环境判别图[30]Figure 6. Tectonic discrimination diagrams for the trace elements of Tongshan Formation sandstones from Wayao area5. 结论
（1）岩石学特征、岩性组合及沉积序列表明，研究区铜山组为一套以浊流为主的半深海浊积扇沉积。
（2）在内蒙古地区铜山组中首次获得火山岩高精度锆石U-Pb年龄458.5±2.6Ma，结合区域地层资料，认为东乌旗瓦窑铜山组的沉积时代为中奥陶世晚期—晚奥陶世早期。
（3）碎屑岩地球化学分析揭示，铜山组物源区主要具活动大陆边缘和大陆岛弧特征，结合区域地质资料，推测其为活动大陆边缘环境下浊积扇沉积的产物。
致谢: 本次工作得到中国地质调查局发展研究中心谭永杰总工程师、朱月琴高级工程师等多位专家和学者的指导和建议，还有许多同学辛苦的整理薄片图像数据，在此表示诚挚的感谢。 -
![]()
图 2 薄片识别训练过程准确率变化图
(横坐标表示训练次数，纵坐标表示模型的准确率，上方的蓝色线表示训练集的准确率，下面的黄色线表示验证集的准确率)
Figure 2. Variation chart of accuracy of the training process for rock thin section image recognition
![]()
图 3 误判的鲕粒灰岩和白云岩薄片图像对比
Figure 3. Comparison of misclassification oolitic limestone image with dolomite image
表 2 薄片图像分类混淆矩阵
Table 2 Confusion matrix of rock thin section images classification
准确率 安山岩 白云岩 鲕粒灰岩 花岗岩 岩屑砂岩 石英砂岩 安山岩 0.76 0.07 0.04 0.07 0.04 0.03 白云岩 0.12 0.74 0.10 0.00 0.01 0.00 鲕粒灰岩 0.05 0.11 0.80 0.03 0.01 0.01 花岗岩 0.05 0.01 0.01 0.79 0.05 0.09 岩屑砂岩 0.00 0.01 0.00 0.00 0.98 0.01 石英砂岩 0.03 0.03 0.00 0.05 0.00 0.89 
下载: 导出CSV
-
赵鹏大.大数据时代数字找矿与定量评价[J].地质通报, 2015, 34(7):1255-1259. doi: 10.3969/j.issn.1671-2552.2015.07.001 严光生, 薛群威, 肖克炎, 等.地质调查大数据研究的主要问题分析[J].地质通报, 2015, 34(7):1273-1279. doi: 10.3969/j.issn.1671-2552.2015.07.004 陈建平, 李婧, 崔宁, 等.大数据背景下地质云的构建与应用[J].地质通报, 2015, 34(7):1260-1265. doi: 10.3969/j.issn.1671-2552.2015.07.002 肖克炎, 孙莉, 李楠, 等.大数据思维下的矿产资源评价[J].地质通报, 2015, 34(7):1266-1272. doi: 10.3969/j.issn.1671-2552.2015.07.003 刘延保, 曹树刚, 刘玉成.基于LS-SVM的岩石细观图像分析方法探讨[J].岩石力学与工程学报, 2008, 27(5):1059-1059. doi: 10.3321/j.issn:1000-6915.2008.05.023 Singh N, Singh T, Tiwary A, et al. Textural identification of basaltic rock mass using image processing and neural network[J]. Computers & Geosciences, 2010, 14(2):301-310. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=e5bbc337a064438c325901c36779c007
Ghiasi-Freez J, Soleimanpour I, Kadkhodaie-Ilkhchi A, et al. Semiautomated porosity identification from thin section images using image analysis and intelligent discriminant classifiers[J]. Computers & Geosciences, 2012, 45:36-45. http://cn.bing.com/academic/profile?id=82b283e13aca9119ad91ea694b948afa&encoded=0&v=paper_preview&mkt=zh-cn
Mlynarczuk M, Górszczyk A, 's ipek B. The application of pattern recognition in the automatic classification of microscopicrock images[J]. Computers & Geosciences, 2013, 60(10):126-133. https://www.sciencedirect.com/science/article/pii/S0098300413002112
程国建, 杨静, 黄全舟, 等.基于概率神经网络的岩石薄片图像分类识别研究[J].科学技术与工程, 2013, 13(31):9231-9235. doi: 10.3969/j.issn.1671-1815.2013.31.014 Marmo R, Amodio S, Tagllaferri R, et al. Textural identification of carbonate rocks by image processing and neural network:Methodology proposal and examples[J]. Computers & Geosciences, 2014, 31(5):649-659. http://cn.bing.com/academic/profile?id=60d02dc69c877935dbe0f7e5d3369c14&encoded=0&v=paper_preview&mkt=zh-cn
郭超, 刘烨.多色彩空间下的岩石图像识别研究[J].科学技术与工程, 2014, 14(18):247-251. doi: 10.3969/j.issn.1671-1815.2014.18.048 刘烨, 程国建, 马微, 等.基于铸体薄片图像颜色空间与形态学梯度的岩石分类[J].中南大学学报(自然科学版), 2016, 47(7):2375-2382. http://d.old.wanfangdata.com.cn/Periodical/zngydxxb201607027 Li N, Hao H, Gu Q, et al. A transfer learning method for automatic identification of sandstone microscopic images[J]. Computers & Geosciences, 2017, 103:111-121. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=4f089a754e0740883b9f130f730af2f3
白林, 姚钰, 李双涛, 等.基于深度学习特征提取的岩石图像矿物成分分析[J].中国矿业, 2018, 27(7):178-182. http://d.old.wanfangdata.com.cn/Periodical/zgky201807038 Hinton G E, Osindero S, Teh Y W. A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Computation, 2006, 18(7):1527-1554. doi: 10.1162/neco.2006.18.7.1527
Krizhevsky A, Sutskever I, Hinton G. ImageNet Classification with Deep Convolutional Neural Networks[C]//NIPS. Curran Associates Inc., 2012.
Lecun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11):2278-2324. doi: 10.1109/5.726791
Zhu Y, Bai L, Peng W, et al. Depthwise Separable Convolution Feature Learning for Ihomogeneous Rock Image Classification[C]//ICCSIP, 2018, 1005: 165-176.
计量
- 文章访问数: 3817
- HTML全文浏览量: 521
- PDF下载量: 2670
